
“ 让数据诞生更多可能性
一个机器人学会拧螺丝,需要多少条数据?这个问题没有标准答案,但每一个做过真机训练的团队都知道,演示视频里那些流畅的动作,到了真实产线上往往撑不过一个班次。手部遮挡、触觉缺失、多模态不同步、任务步骤对不上,这些问题很少出在模型结构上,更多时候出在数据源头。
2026年11月11日,以数商决定智商为主题的具身智能群英会第二期在杭州智造谷产业服务综合体举行。会上,编解码(杭州)机器人科技有限公司发布了十万小时具身智能多模态数据集,首期1000小时灵巧手操作数据并计划免费开放申请,启用具身智能数据实验空间,同时该公司宣布完成数千万种子轮融资,并与国家具身智能应用中试基地联合发起具身智能数据基础设施开放计划。

一家做数据生产的公司,一次把产能、开源、场地、生态与资本五件事同时摆上同一张桌子,这在具身智能这个行当里并不常见。据悉,EnDecodeX编解码由青瞳视觉、杭州高新科创集团与灵巧智能联合孵化,光学动捕的采集能力、属地产业资本的场地与资金、灵巧手的本体积累,恰好各对应这五件事里的一段。
那么,这家公司到底在做什么?10万小时数据是产能储备还是行业信号?1000小时灵巧手数据为什么要免费开放?数千万融资背后,产业资本看中的又是哪条路径?
01.
模型越做越大,数据这一层怎么跟上?
要回答这些问题,得先回到一个更基础的行业变化:模型越做越大,数据这一层正在成为新的瓶颈。编解码的切入口,也正藏在这里。
“数据供给的难点不只在采集设备,更在于能否把现场转化为可读取、可检查、可复用的研发数据。”编解码CTO季耀辉在接受机器人大讲堂采访时就提到,数据服务更像一场与客户训练目标持续对齐的工程,交付文件只是起点,训练目标、任务定义和评测口径都要在项目中反复磨合。模型厂商比数据公司更清楚不同任务需要什么标注规格,同一批数据在不同客户手里,标注策略可能完全不同。
因此,行业缺的不只是执行采集的人,而是能把任务、采集、质检和交付组织成稳定生产线的人,更缺的是录完之后能被训练框架识别、被不同本体复用、被反复验证的那一套标准件,格式、坐标系、标注口径、质量规格任何一项对不上,数据就落不了地。
编解码因此希望成为一家“真实世界数据生产与应用落地服务商”。这个定位落到操作层面,首先遇到的就是数据供给的难点。数据供给,不只在采集设备,更在于能否把现场转化为可读取、可检查、可复用的研发数据。编解码给出的答案是先把数据做成产品。

那么数据的产品如何做好?季耀辉介绍了三方面的内容。
首先是采集现场的完整度。十万小时多模态数据集覆盖全身动作、手部精细操作、多视角视频、物体6D位姿、触觉与惯性等模态,一部分带真实物体交互,采集规格做到120帧、亚毫米级追踪、角度误差不超过0.5度、多路传感器同步到微秒量级,冗余的空间是留给后续模型迭代的余量。
其次是优化数据集的排布方式。做模仿学习的团队要的是专家示范的完整轨迹,不同模型可以共享部分底层真实记录,但所需标注、任务分布和接口并不相同。用于VLA等训练时,还需按任务补充或对齐语言指令。一套资源能否服务多类研发需求,取决于采集时保留了哪些信息,以及后续能否按用途切片、标注和导出。
交付环节则做的是把标准件对齐到客户的训练管线。编解码根据客户任务和模态组合,按约定的数据格式与接口交付,并提供数据说明、样例及必要的可视化与转换工具,帮助客户减少接入和预处理工作。具体处理流程和训练接入方式,结合客户管线确定。

数据的价值不在于录了多少,而在于能否进入客户的研发流程,并在目标任务中验证价值。编解码支撑这套交付的是三块业务。多模态数据采集与处理负责把现场变成文件,机器人真机任务评测负责让客户的模型在真实设备上跑一遍并给出结果,具身生产力系统开发与部署负责把跑通的那一套装进客户的产线。三块业务串起来,形成从数据到部署的闭环,也让评测从一项增值服务变成了客户决策的依据。
因为数据的价值不在于录了多少,而在于交付出去之后能不能直接开始训练。编解码想要打通的正是这件事。据了解,目前,编解码已为宇树科技、智元机器人、光轮智能、湖北人形机器人创新中心、蚂蚁灵波、乐聚机器人等企业及机构提供数据采集服务。这些合作覆盖模型方、场景方、本体厂商、数据供应商、科研团队和中小开发团队,有助于编解码连接行业供应链,构建持续的数据服务链路。
02.
数字之外,结构、管线与质量更值得关注
编解码此次发布最受关注的是“十万小时多模态数据资源”。具身智能行业常把数据量拿来比较,但10万小时的意义不仅仅在于存量,其实意味着编解码已经形成一条正在成型的规模化数据生产线。
据了解,编解码目前数据量已突破10万小时,每天新增数据与素材工厂、采集工位部署数量成正比。这背后是采集方案、现场执行、同步对齐、质检清洗、标注规则、标准化交付和真机评测的连续工程。

从资源结构看,编解码现有数据覆盖灵巧手操作、两指夹爪、全身与手指协同、第一视角及上半身操作等类型。不同数据集根据任务目标和采集配置组织相应内容。
由此可见,编解码的重心,或许正在从“看起来像”的locomotion数据,进一步拓展到“真正能干活”的manipulation数据。而这同样对应具身智能数据需求的变化。
现如今,机器人要落地,必须与物理世界发生交互,要操纵物体、道具和生产资料。末端关节位置、接触点和接触面、物体运动状态、灵巧手每根关节的配合、触觉数据的准确性,以及多模态数据的时间对齐,都会被提出更高要求。
据悉,编解码可提供亚毫米级追踪,角度误差不超过0.5°,并采用120帧等高帧率采集;交付的不只是数据文件,还包括可视化工具和可复现质量规格的工具集,让客户能在自己的环境中验证数据质量。

高质量数据不是标称出来的,而是可复现、可验证的。编解码CTO季耀辉解释到,客户关注的质量指标也并非单一维度。模态覆盖是否完整、是否丢帧、采集对象是否超出范围、系统是否校准、任务步骤和时间定义是否匹配,都是验收的一部分。
更深一层的质量体现在同样完成任务,数据质量是否足够好,他举了一个例子:“专业舞蹈生与普通素人、几十年老师傅与新手实习生,呈现出的动作质量完全不同。”因此,编解码的做法是,一方面按客户要求执行标注和质检,另一方面以高于当前主流需求的标准做前瞻性冗余。客户可能只用其中几个模态,但数据供应商必须为技术路线收敛前的多路线竞争留足适配空间。
数据量只是水面上的冰山,水面之下是结构、管线、质量与交付方式的系统性工程,而这也或许是编解码将要长期挑战的难题。

03.
计划开源的1000小时灵巧手操作数据,包含什么?
机器人大讲堂关注到,此次发布的另一重点,是首期1000小时灵巧手操作数据开放免费申请。
一直以来,手部操作是具身智能落地能力的分水岭,也是数据采集中最难啃的骨头之一。因为手部动作涉及多个关节协同,动作细微,手与物体交互时容易遮挡,接触点和接触面难以精确记录,触觉数据又对同步提出高要求。行业里其实缺的一直是高质量、可训练、可验证、可复用的灵巧操作数据。
编解码CTO季耀辉介绍,首批计划开源的1000小时数据,拟从现有灵巧手操作数据中选取,聚焦手指精细动作、手眼协同及手与物体交互,面向模仿学习、动作重定向、精细操作算法研发与验证评测等需求。
开源的价值不只在免费,更在于让行业少走重复采集的弯路。这与此前编解码联合青瞳视觉发起的MotionDecode数据开放计划理念一致:通过先开放1000小时高质量人体动作数据,逐步将数据向灵巧操作延伸。从人体动作到灵巧手操作,就意味着开源重点从姿态走向交互,从看起来像走向真正能操作。
对于中小团队和科研团队而言,这种基础数据集能显著降低早期研发门槛;对于行业而言,不同团队在使用同一批数据时反馈出的任务适配、标注方式和评测口径,有助于形成共识。
该图片使用了AI生成技术
开源不是目的,而是数据生态的入口。编解码希望通过开放计划收集使用反馈,完善数据说明与质量要求,推动行业围绕数据描述、标注方式和评测口径形成更多共识。具身智能的数据标准不会凭空出现,只能在大量真实使用中逐步收敛。1000小时灵巧手数据的开放,无疑是一次以可复用换可验证的尝试。
04.
把场景和设备变成产业生态的基础设施
数据采集离不开场景。真实场景搭建、采集设备配置和测试环境准备,往往需要研发团队持续投入时间和资源。国家具身智能应用中试基地与编解码联合发起的“具身智能数据基础设施开放计划”,面向园区内企业、高校及科研机构,免费开放物理AI基础设施空间。首批开放商超、居家、物流分拣、餐厅四大实景场景空间及高精度多模态数采设备,支持数据采集、机器人算法训练验证与性能评测全流程。

共享片区的意义,在于让创业团队不必先建一个商超或餐厅才能验证算法。这可以理解为一种“共享片区”思路:把单个企业难以低成本重复建设的场景、设备和采集条件,变成产业生态可申请、可使用的基础设施。
对于创业团队而言,可以更快进入真实场景验证;对于科研团队而言,可以在真实场景中完成数据采集和机器人任务验证;对于编解码而言,开放计划既是连接产业需求、拓展科研协作的入口,也是让数据服务能力在真实项目中持续积累的方式。
同日启用的编解码具身智能数据实验空间,则提供了更具体的载体。现场展示机器人遥操作、大场景数采场地与单人数采工位,涵盖UMI夹爪数采、Ego纯光学数采、Pulse系列光惯融合数采、3D物体扫描重建等场景,并配套商超零售、餐厅、卧室、物流分拣等场景。
据悉,编解码已形成灵活数据采集软硬件组合,包括触觉手套与光学、惯性传感器整合,形成带触觉、IMU和光学marker的综合手套;光学和惯性互补,解决光学遮挡、惯性长时间漂移等痛点;同时也以开放心态纳入客户或生态伙伴的轻量第一视角采集硬件,由编解码做好事件同步和时间对齐。因此,机器大讲堂认为,编解码其实并不固守某一种硬件路线,本质上核心目标依然是如何实现多模态整合、时空同步和工程化交付。

05.
产业资本联合下注数据基础设施
据机器人大讲堂了解,编解码三家孵化方的产业能力各有侧重,这很大程度上将补齐数据采集的短板问题。
其中青瞳视觉依托光学动作捕捉技术,在空间感知、运动感知与物理感知等方面形成技术积累,杭州高新科创集团提供产业平台、产业空间及场景资源,灵巧智能具备灵巧手与机器人应用落地能力,分别连接数据生产中的采集、场景与应用环节。

产业资本下注的不是一家数据公司,而是一条数据基础设施的路径。青瞳视觉CEO、编解码投资人张海威就提到,青瞳视觉多年做设备,从VR、动画到机器人和大健康,深知设备厂商要把系统做好,必须深入理解客户如何工作、如何生产数据,这使其意识到,当数据规格清晰、质量得到验证,并能持续响应客户项目的新需求时,数据服务将有机会形成持续性收入,也会在具身智能的浪潮中产生更长期的价值。
编解码试图把数据管线从0-1的建设初期,推向更鲁棒、更耐用、更好用的产品化状态,进而将持续提升对主流机器人型号、技术路线、模型规格和训练管线格式的兼容性,以真实案例证明数据价值,并把案例做成可复制方案,最终,真正把数据变成一门能为行业带来增量,并且持续带来收入的好生意。
06.
具身智能需要真正的数据基础设施
当前具身智能数据行业最大的现实,是技术路线多、资源分散、标准未收敛。解决方案多意味着大家都有竞争机会,也意味着资金、人才和精力被分散在多个方向。
对数据供应商而言,技术路线未收敛是痛点,也是机会。如果数据基于真人、无本体采集、不绑定具体机器人型号,又覆盖多模态并保持高质量时空同步,那么无论未来哪种技术路线收敛,优质数据都有机会被适配和复用。

编解码的10万小时储备、1000小时灵巧手开源、四大场景共享片区和数千万种子轮融资,放在一起看,构成了一条从数据生产到生态开放的路径,通过先用高质量采集和工程化管线证明数据产能,再用开源数据集降低行业重复采集成本,用共享场景片区连接科研与产业,用资本完善一站式服务能力,编解码有望打通一条从数据到落地的商业模式。
现如今,具身智能要从Demo走向落地,需要的不只是孤立的数据包,各行各业的knowhow与特性,决定了这必然是一套可训练、可验证、可复现、可交付的数据基础设施。编解码落地智造谷,发布的是一个“万小时”的新坐标,该坐标以真实世界数据为起点,第一次把数据生产、真机评测、场景开放和产业协同放在同一张桌子上。
这条路不会短,但方向已经清晰,编码真实世界,最终是为了解码物理智能。







